Gambar 3.3
Sampling rate
dan
alias wave
.
3.4 Tinjauan Tentang
Window
Setelah sinyal didapat kemudian sinyal digital diolah menggunakan sebuah AD converter, langkah berikutnya dalam proses sebelum itu dapat dikenakan
pada algoritma FFT disebut
windowing
. harus diterapkan pada data untuk meminimalkan sinyal agar efek
leakage
tidak didapat.
Windowing
adalah setara dengan mengalikan sampel sinyal dengan fungsi jendela panjang yang sama.
Ketika sinyal analog ditangkap, itu adalah sampel dengan interval waktu yang tetap. Sampling interval dapat menyebabkan gelombang aktual untuk
mendapatkan dipotong di awal dan akhir waktu yang tetap. Hasil yang diperoleh dapat bervariasi dengan lokasi sampel sehubungan dengan gelombang periode.
Hal ini mengakibatkan diskontinuitas regulasi gelombang terus menerus.
Windowing
mengisi diskontinuitas data dengan memaksa data sampel ke nol di awal dan di akhir periode sampling.
Gambar 3.4 menunjukkan efek
windowing
.
Windows
dapat dianggap sebagai cara untuk mengisi diskontinuitas data dengan memaksa data sampel ke nol pada
awal dan akhir periode atau jendela waktu, sehingga membuat periode sampel yang tampaknya terus-menerus. Ketika sinyal tidak windowed dan terputus-putus,
leakage
kesalahan terjadi ketika diterapkan pada algoritma FFT.
Gambar 3.4 Prinsip
windowing.
Algoritma FFT melihat diskontinuitas sebagai modulasi frekuensi berbagai dan itu menunjukkan sebagai sidebands dalam spektrum ketika tidak ada
frekuensi tersebut benar-benar ada dalam sinyal. Penggunaan
windows
juga mempengaruhi kemampuan untuk mengatasi frekuensi berdekatan sambil
berusaha menjaga keakuratan amplitudo. Namun, dimungkinkan untuk mengoptimalkan satu dengan mengorbankan yang lain.
Umumnya, hanya fungsi tiga jendela yang disebutkan di atas tersedia dalam kebanyaka analisisis.
Gambar 3.5 Fungsi
windowing.
Ketika aplikasi jendela
flat top
dibandingkan bila diterapkan tanpa jendela jendela persegi panjang atau seragam, puncak yang diamati pada FFT. Jendela
hanning
juga mengakibatkan memperluas puncak, tetapi untuk tingkat yang lebih rendah dari puncak datar. Membedakan antara dua frekuensi yang sangat dekat
menjadi sangat sulit karena luasnya puncak. Ketika tujuan adalah untuk mengidentifikasi adanya komponen sinyal puncak di frekuensi tertentu, terbaik
untuk menerapkan jendela persegi panjang untuk melakukan analisis. Tapi, jika besarnya puncak penting, jendela
flat top
jelas yang terbaik pada gambar 3.6. Jelas, persegi panjang maupun flat top adalah solusi terbaik. Solusi nyata
tergantung pada tujuan dari analisis. Untuk sebagian besar aplikasi, solusi terbaik sebenarnya berarti pengolahan data dalam sejumlah cara yang berbeda. Untuk
hasil yang pertama, jendela
hanning
biasanya dipilih secara
default
, karena menyediakan baik amplitudo resolusi puncak antara sampah serta memperluas
minimal puncak [9].
Gambar 3.6 Macam-macam
windowing.
3.5 Peralatan Penunjang Dalam Penelitian